拆了20个竞品页面，发现GEO真正拼的是结构化数据不是内容量

最近在优化我们公司官网的GEO表现，花了三个晚上把行业里20个排名靠前的竞品页面全爬下来拆了一遍。说几个数据层面的发现，可能跟很多人直觉不一样。

先说结论：决定AI搜索引用率的，不是你的内容有多长，而是你的结构化数据有多完整。

我统计了这20个页面，分成两组：

• A组（10个）：被AI Overview或Perplexity频繁引用的页面
• B组（10个）：内容质量差不多，但几乎不被引用的页面

对比结果：

注意最后两行——B组内容字数反而更多，但结构化数据几乎是裸奔状态。

具体说几个实操点：

1. FAQPage schema 的性价比最高

A组里9个页面都有FAQ，而且不是随便堆问题。我看了下，他们的FAQ问题都是从People Also Ask里直接扒的，答案控制在40-60字，正好是一个AI可以整段引用的长度。我们上周给三个核心页面加上FAQPage，这周Perplexity的引用次数从2次涨到7次。

2. author实体不能省

AI搜索对内容可信度的判断，很大一部分来自作者。B组很多页面author就是空的或者写个“admin”。A组里有个页面我印象很深，author的sameAs直接链到LinkedIn、知乎、GitHub，Person schema完整得离谱。

3. 页面速度是隐性门槛

我测了下，A组LCP基本都在2s以内。B组有几个页面LCP超过3.5s，内容再好AI也懒得等——爬虫的超时阈值比我们想的低。

4. 别忽视HTML语义结构

有个很有意思的细节：A组页面几乎都用了正确的heading层级，h1唯一，h2-h3嵌套清晰。B组里有7个页面h1都不止一个，或者直接从h2开始。AI解析页面时，heading结构就是你的内容骨架。

说个踩坑的：我一开始以为加schema就是堆字段，越多越好。结果有个页面加了Recipe schema（我们根本不是菜谱），Google Search Console直接报structured data error，反而影响了索引。schema类型必须跟页面内容匹配，宁缺毋滥。

现在我的优化优先级是：

1. 先修HTML语义结构（h1唯一、heading层级）
2. 加FAQPage（从PAA扒问题）
3. 补author的Person实体
4. 抓LCP到2s以内
5. 最后才考虑加更多schema类型

想问下大家，你们在实操里有没有测过不同schema类型对AI引用的实际影响？我目前只验证了FAQPage有效，Article和HowTo的增益还没跑出显著数据，想看看别人的结果。